Python常用模块之threading和Thread模块及线程通信
更新时间：2022年06月13日 09:33:03 作者： 孤寒者
这篇文章主要介绍了Python常用模块之threading和Thread模块及线程通信，文章为围绕主题的相关内容展开详细的内容介绍，具有一定的参考价值，需要的朋友看可以参考一下方法
1. 线程通信
1.1 互斥锁
在多线程中 , 所有变量对于所有线程都是共享的 , 因此 , 线程之间共享数据最大的危险在于多个线程同时修改一个变量 , 那就乱套了 , 所以我们需要互斥锁 , 来锁住数据。
1.2 线程间全局变量的共享
注意：
因为线程属于同一个进程，因此它们之间共享内存区域。因此全局变量是公共的。
# -*- coding: utf-8 -*-
import threading
a = 1
def func():
global a
a = 2
t = threading.Thread(target=func)
t.start()
t.join()
print(a)
1.3 共享内存间存在竞争问题
先来个正常的例子，不用多线程：
# -*- coding: utf-8 -*-
x = 0
n =1000000
def a(n):
global x
for i in range(n):
x += 1
def b(n):
global x
for i in range(n):
x -= 1
a(n)
b(n)
print(x)输出肯定和大家想的一样，毫无疑问是0！
# -*- coding: utf-8 -*-
from threading import Thread
x = 0
n =1000000
def a(n):
global x
for i in range(n):
x += 1
def b(n):
global x
for i in range(n):
x -= 1
if __name__ == '__main__':
a = Thread(target=a,args = (n,))
b = Thread(target=b,args = (n,))
a.start()
b.start()
# 一定要加阻塞，原因大家可以自己结合第一篇讲的自己好好想想哦~
a.join()
b.join()
print(x)提示：
- 如果1000000不能出现效果可以继续在后面加0
你会发现这个结果千奇百怪！！！
1.4 使用锁来控制共享资源的访问
下面引入互斥锁
- 在多线程中 , 所有变量对于所有线程都是共享的 ,因此 ,线程之间共享数据最大的危险在于多个线程同时修改一个变量 , 那就乱套了 , 所以我们需要互斥锁 , 来锁住数据。
- 只要我们操作全局变量的时候，就在操作之前加锁，在操作完之后解锁，就解决了这个资源竞争的问题！！！
第一种实现：
# -*- coding: utf-8 -*-
from threading import Thread, Lock
a = 0
n = 100000 # 指定加减次数
# 线程锁
lock = Lock()
def incr(n):
global a
# 对全局变量a做n次加1
for i in range(n):
lock.acquire()
a += 1
lock.release()
def decr(n):
global a
# 对全局变量a做n次减一
for i in range(n):
lock.acquire()
a -= 1
lock.release()
t_incr = Thread(target=incr, args=(n, ))
t_decr = Thread(target=decr, args=(n, ))
t_incr.start(); t_decr.start()
t_incr.join(); t_decr.join()
print(a)
第二种实现：
# -*- coding: utf-8 -*-
from threading import Thread, Lock
a = 0
n = 100000 # 指定加减次数
# 线程锁
lock = Lock()
def incr(n):
global a
# 对全局变量a做n次加1
for i in range(n):
with lock:
a += 1
def decr(n):
global a
# 对全局变量a做n次减一
for i in range(n):
with lock:
a -= 1
t_incr = Thread(target=incr, args=(n, ))
t_decr = Thread(target=decr, args=(n, ))
t_incr.start(); t_decr.start()
t_incr.join(); t_decr.join()
print(a)
分析此阶段，我们会发现进程和线程的痛点！！！
线程之间如何进行协作？
最典型的例子就是生产者/消费者模式：若干个生产者线程向队列中写入数据，若干个消费者线程从队列中消费数据。
（功能！）
- 1.定义了一个生产者类，一个消费者类。
- 2.生产者类循环100次，向同步队列当中插入数据。
- 3.消费者循环监听同步队列，当队列有数据时拉取数据。
- 4.如果队列满了（达到5个元素），生产者阻塞。
- 5.如果队列空了，消费者阻塞。
这里就引入了协程！是一种比线程更加轻量级的存在。正如一个进程可以拥有多个线程一样，一个线程也可以拥有多个协程。
最重要的是，协程不是被操作系统内核所管理，而完全是由程序所控制（也就是在用户态执行）。这样带来的好处就是性能得到了很大的提升，不会像线程切换那样消耗资源。
代码走起来（依旧是生产者/消费者模式的例子！）:
def consumer():
while True:
# consumer协程等待接收数据
number = yield
print('开始消费', number)
consumer_result = consumer()
# 让初始化状态的consumer协程先执行起来，在yield处停止
next(consumer_result)
for num in range(100):
print('开始生产', num)
# 发送数据给consumer协程
consumer_result.send(num)代码中创建了一个叫做consumer_result的协程，并且在主线程中生产数据，协程中消费数据。
其中 yield 是python当中的语法。当协程执行到yield关键字时，会暂停在那一行，等到主线程调用send方法发送了数据，协程才会接到数据继续执行。
但是，yield让协程暂停，和线程的阻塞是有本质区别的。协程的暂停完全由程序控制，线程的阻塞状态是由操作系统内核来进行切换。
因此，协程的开销远远小于线程的开销!!!
执行结果：
2. 队列的基本概念
- 一个入口，一个出口；
- 先入先出（FIFO）。
import queue
队列操作一览:
- 入队： put(item)
- 出队： get()
- 测试空： empty()
- 测试满： full()
- 队列长度： qsize()
- 任务结束： task_done()
- 等待完成： join()
注意：
- get()等待任务完成，如果不加task_done()则不表示任务完成，只要加这句才表明完成。才会结束执行。
- join就是阻塞，直到这个任务完成（完成的标准就是每次取出都task_done()了）
简单使用队列的方法：
# -*- coding: utf-8 -*- import queue # 创建队列 q = queue.Queue(4) # 入队 q.put(1) q.put(2) q.put(3) print(q.full()) q.put(4) print(q.full()) # 出队 print(q.get()) print(q.get()) print(q.empty()) print(q.get()) print(q.get()) print(q.empty())
总结
到此这篇关于Python常用模块之threading和Thread模块及线程通信的文章就介绍到这了,更多相关Python 线程通信内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！
相关文章
私有函数与私有变量中的私有就是独自拥有、不公开、不分享的意思。放到函数与变量中就是独自拥有的函数与独自拥有的变量，并且不公开。本文将通过示例详细讲解Python中的私有函数、私有变量及封装，感兴趣的可以学习一下2022-03-03
Pygame是一组用来开发游戏软件的 Python 程序模块,Pygame 在 SDL（Simple DirectMedia Layer） 的基础上开发而成,它提供了诸多操作模块,本文给大家介绍了Python中pygame游戏模块的用法,需要的朋友可以参考下2024-01-01
这篇文章主要为大家详细介绍了Django实现分页功能，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2021-02-02
这篇文章主要介绍了Python读取Excel绘制直方图,以下将详细介绍如何使用 Python 的 pyecharts、matplotlib 和 seaborn 三个库从 Excel 中读取数据并绘制直方图（Histogram）,需要的朋友可以参考下2025-04-04
报错No module named numpy问题的解决办法
之前安装了Python,后来因为练习使用Python写科学计算的东西,又安装了Anaconda,但是安装Anaconda之后又出现了一个问题,下面这篇文章主要给大家介绍了关于报错No module named numpy问题的解决办法,需要的朋友可以参考下2022-08-08
这篇文章主要为大家详细介绍了Python使用遗传算法解决最大流问题，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2018-01-01
工作需要,查询某一行中的最大值及其索引,本文主要介绍了pandas求行最大值及其索引的实现,具有一定的参考价值,感兴趣的可以了解一下2024-04-04
这篇文章主要介绍了Pytest参数化parametrize使用代码实例,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下2020-02-02
这篇文章主要介绍了详解anaconda离线安装pytorchGPU版，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2020-09-09
这篇文章主要介绍了Python自定义类的数组排序实现代码,需要的朋友可以参考下2016-08-08
最新评论